所以，如果我们没有办法在迁移学习上取得突破，也就没有办法让人工智能从已有的知识推广到另一个领域，或者从已有的数据推广到另一种数据。那么，我们就永远被拴在人工智能必须是算法和大数据结合这样一个等式上。

可喜的是，科研界现在有非常多关于迁移学习的新技术和新产品出来，这些技术什么时候能够在创业领域开花结果？我相信大概在几年时间内。

跨领域自然语言理解技术，是我们关注另一个重点方向。几十年来，人工智能界都会把自然语言理解叫做“人工智能皇冠上的明珠”，原因在于自然语言理解是一个远复杂于图像理解、语音理解、大数据理解的非常复杂、完全崭新的领域。

在自然语言理解领域，数据的维度空前高。数据本身的灵活性、信息的灵活性，信息和每一个标注对应关系的复杂度，都远远高于图像和语音领域。在这个领域，我们几乎不敢苛求100%的理解。因为100%理解自然语言、通过图灵测试的计算机，就已经跨入了强人工智能的门槛。接下来的超人工智能、毁灭人类的现象，有可能随之到来。

但是，如果把自然语言理解的精通设定为100分的话，现在可能只做到了5分。从5分到50分，从50分到60分，从60分到80分，这里面有非常多可以扩展的空间和进步的地方。

我个人在Google 10年间做自然语言方面的东西，更倾向于预测在下一步自然语言理解领域，翻译技术有可能取得实质性的突破。去年已经看到Google在翻译技术方面里程碑式的论文。

未来三五年，或者再多一点时间，也许所有的人都不需要再学任何外语，我们到任何的国家都可以用一部手机无缝交流。它可能达不到人类智慧的标准，但是可以处理像翻译、智能助理、客服应答这样基础的任务。

经过三年、五年、八年、十年的发展，我们相信，所有的人工智能前沿技术，会变成一个非常好用、便捷的工具箱。做技术的都知道，现在已经有很多开源的人工智能技术，像Google的TensorFlow，类似这样的框架至少有几十种。

从今天的TensorFlow，GPU、TPU的管理，Docker这样的封装、集成，到未来即插即用、即开即用的人工智能解决方案还有多远？我相信这个距离也不是那么远。

我非常希望看到，在两三年后，到任何一个行业，哪怕不懂人工智能的工程师，都可以快速地接入人工智能技术，用人工智能的工具箱解决这行业领域里的具体问题。这是我们对人工智能技术发展的基本愿望，也就是人工智能成为人类的工具，成为一个即插即用的工具箱。

但是我也非常清楚地认识到，今天很多主讲嘉宾都提到人工智能在创业和投资领域存在泡沫，这种泡沫现象在美国、中国都非常的明显。可以明确的是，人工智能投资和创业有泡沫，但人工智能这件事没有泡沫。

至于今天遇到的这些泡沫，以及人工智能在实际的创业和投资过程中遇到的挑战，创新工场基本的总结是这样的：

首先，人工智能领域太多的创业者都是科学家、工程师，他们离真正使用的行业还很远。现在让一个科学家和银行业务主管，或者保险公司代理员，坐下来讨论关于人工智能的方案规划，还是非常困难的，这是今天人工智能创业最大的特点。因为以往做互联网、移动互联网创业的，很多都是行业专家出身。

第二，人工智能的人才缺口巨大，人才结构失衡。人才是创新工场非常关心的一件事。现在有大量的培训机构宣称可以培训、批量复制人工智能工程师，我也知道那些21天成才的人工智能工程师都学了什么课程。

非常简单，第一周学Python，第二周学数学模型，第三周做几个demo跑一遍，他就可以对外宣称自己是一个人工智能工程师，是一个在AI领域可以拿到高薪的工程师。

严格来讲，在人工智能领域，真正能够解决问题、解决业务需求的工程师非常少。这些工程师因为稀缺，所以身价相对高的离谱。这也是很多创业公司很艰难的一个地方。他们可能想与人工智能集成，但雇不到那么多、雇不起这样的人才。创新工场也希望通过培训、暑期训练营，以及开放一些可以帮助科研、帮助学生成长的数据集等方式，来解决这些问题。